▋前言
針對線上教育的痛點，我們設定了三大解題目標，並將系統定位為「教學品質監控工具」，協助老師、學生與平台三方受益。這篇除了介紹設計目標外，也會提前分享部分成果，讓讀者知道這套系統的實用性。
▋內容
系統目標：
| 系統目標 | 成效 |
|---|---|
| 逐字稿正確率 >95% | 確保語音轉文字的品質能達到實用水準。 |
| 講者辨識正確率 >95% | 系統能正確區分老師與學生的發言。 |
| 情緒辨識輔助分析 | 提供學生學習情緒的參考數據，幫助老師調整教學方式。 |
系統定位：
| 使用對象 | 成效 |
|---|---|
| 老師 | 獲得課堂互動報告，了解學生狀態。 |
| 學生 | 獲得清晰逐字稿與情緒曲線，幫助複習。 |
| 平台 | 能量化課程品質，作為教師績效與課程改進依據。 |
AI 語音辨識系統成果：
搭載 RTX 3060 GPU、32G RAM、13th Gen Intel(R) Core(TM) i7-13700 的環境下，每堂約 50 分鐘的課程 僅需 5～6 分鐘 即可完成逐字稿與情緒辨識。這樣的速度，足以滿足課後快速產出報告的需求，大幅提升了教育平台的工作效率。在系統設計與優化後，我們成功將整個系統以基本規格設備達到符合需求的運行效能與成果。因此，這不只是「語音辨識工具」，而是一個可行性高的「教育數據分析平台」，能真正帶來產業價值。
▋下回預告
下一篇將介紹整個系統的四大核心模組。
▋參考資料
iThome鐵人賽
看影片追技術